HASIL PENELITIAN DAN PEMBAHASAN
5.1. Deskripsi Data Penelitian
Sebelum melakukan pembahasan mengenai data secara statistik harus terlebih dahulu memperhatikan data Kabupaten/Kota yang telah ditentukan sebagai sampel. Adapun Kabupaten/Kota yang terpilih menjadi sampel penelitian adalah sebanyak 17 (tujuh belas) sampel. Kabupaten/Kota yang dimaksud terdapat pada Tabel 5.1 :
Tabel 5.1. Daftar Kabupaten/ Kota Sampel No. Kabupaten/Kota 1. Mandailing Natal 2. Tapanuli Utara 3. Toba Samosir 4. Labuhan Batu 5. Asahan 6. Simalungun 7. Karo 8. Deli Serdang 9. Langkat 10. Humbang Hasudutan 11. Kota Sibolga
12. Kota Tanjung Balai 13. Kota Pematang Siantar 14. Kota Tebing Tinggi 15. Kota M e d a n 16. Kota Binjai
17. Kota Padang Sidempuan
Berdasarkan hasil pengolahan data, maka deskripsi statistik dari data penelitian dapat dilihat pada Tabel 5.2. berikut :
Tabel 5.2 : Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Belj_Modal_X1 51 14.08 215.67 64.2937 45.91278
PAD_X2 51 2.76 312.86 31.1457 65.47867
PDRB_Y 51 2.63 7.78 5.1929 1.07747
Valid N (listwise) 51
Sumber : Lampiran 2 (data diolah SPSS).
Berdasarkan Tabel 5.2 diatas dapat dilihat bahwa dari jumlah N sampel sebanyak 51, dimana rata-rata jumlah Belanja Modal Kabupaten Kota di Sumut sebanyak 64.2937 Milyar Rupiah dengan jumlah Belanja Modal terendah 14.08 Milyar Rupiah dan tertinggi sebanyak 215.67 Milyar Rupiah dengan standar deviasi 45.91 dari rata - rata. Belanja Modal merupakan belanja daerah yang dilakukan oleh pemerintah daerah diantaranya pembangunan dan perbaikan sektor pendidikan, kesehatan, transportasi, sehingga masyarakat juga menikmati manfaat dari pembangunan daerah. Tersedianya infrastruktur yang baik diharapkan dapat menciptakan efisiensi dan efektifitas di berbagai sektor, produktifitas masyarakat diharapkan menjadi semakin tinggi dan pada gilirannya terjadi peningkatan pertumbuhan ekonomi.
Rata-rata jumlah Pendapatan Asli Daerah (PAD) Kabupaten Kota di Sumut sebanyak 31.1457 Milyar Rupiah dengan jumlah Pendapatan Asli Daerah (PAD) terendah sebesar 2.76 Milyar Rupiah dan tertinggi sebanyak 312.86 Milyar Rupiah dengan standar deviasi 65.47867 dari rata - rata. Pendapatan Asli Daerah (PAD) menggambarkan kemampuan Pemda/Pemko menggali potensi yang yang ada untuk meningkatkan pendapatan daerahnya dalam merealisasikan PAD yang direncanakan guna untuk membiayai daerah pemerintahannya, berdasarkan potensi riil daerah. Secara keseluruhan PAD Propinsi Sumatera Utara mengalami kenaikan. Peningkatan Pendapatan Asli Daerah ini merupakan akibat perkembangan pajak daerah dan retribusi daerah secara pesat.
Untuk pertumbuhan ekonomi yang diproxikan dengan PDRB harga Konstan rata – rata pertumbuhan ekonomi sebesar 7.78 Milyar Rupiah dengan jumlah pertumbuhan ekonomi terendah sebesar 2.63 Milyar Rupiah dan tertinggi sebesar 7.78 Milyar Rupiah dengan standar deviasi 1.077 dari rata – rata. Dengan melihat angka laju pertumbuhan PDRB pada suatu daerah maka dapat memberikan suatu gambaran bagaimana pembangunan dan pertumbuhan ekonomi yang telah dicapai oleh daerah tersebut.
5.2. Analisis Data 5.2.1. Uji Asumsi Klasik
Pengujian terhadap ada tidaknya pelanggaran terhadap asumsi-asumsi klasik yang merupakan dasar dalam model regresi linier berganda. Hal ini dilakukan sebelum pengujian hipotesis meliputi :
5.2.1.1 Pengujian normalitas data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Untuk menguji apakah data penelitian ini terdistribusi normal atau tidak dapat dideteksi melalui 2 cara yaitu Analisis Grafik dan analisis statistik (uji One sample Kolmogorov Smirnov).
a. Analisis Grafik
Berdasarkan pada Gambar 5.1 tersebut Gozali (2005) menyatakan jika distribusi data adalah normal, maka terdapat titik titik yang menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonalnya. Hasil grafik tersebut terlihat bahwa titik titik yang menyebar disekitar garis diagonalnya maka dapat dinyatakan bahwa data berdistribusi normal.
b. Uji Statistik
Uji Normalitas bertujuan untuk melihat apakah model regresi, variabel pengganggu atau residual berdistribusi normal. Untuk itu dilakukan uji one sample Kolmogorov Smirnov Test. Adapun hasil pengujian terdapat pada Tabel 5.3 berikut :
Tabel 5.3 Hasil Pengujian One Sample Kolmogorov Smirnov Test Unstandardized Residual N 51 Mean .0000000 Normal Parametersa Std. Deviation .91190970 Absolute .141 Positive .058
Most Extreme Differences
Negative -.141
Kolmogorov-Smirnov Z 1.006
Asymp. Sig. (2-tailed) .263
a. Test distribution is Normal.
Sumber : Lampiran 2. Hasil Output SPSS 16. Kreteria : Ho : Data residual Berdistribusi normal
Dari hasil pengujian terlihat pada Tabel 5.3 tersebut terlihat besarnya nilai Kolmogorov- Smirnov adalah 1.006 dan signifikansinya pada 0.263 dan nilainya jauh diatas = 0.05. Suatu model dikatakan berdistribusi normal, jika nilai signifikan dari Kolmogorov- Smirnov lebih besar dari 0,05. Oleh karena itu model ini dikatakan berdistribusi normal.
5.2.1.2. Uji multikolinearitas
Pengujian multikolinearitas dilakukan untuk melihat apakah pada model regresi ditemukan ada tidaknya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi multikolinearitas. Cara mendeteksinya adalah dengan melihat nilai Variance Inflation Factor (VIF). Menurut Santoso (2002), pada umumnya jika VIF > 10, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya.
Tabel 5.4 Uji Multikolinieritas
Model Collinearity Statistics Tolerance VIF
(Constant)
Belj_Modal_X1 .495 2.021
PAD_X2 .495 2.021
Dependent Variabel : PDRB_Y
Sumber : Lampiran 2 Hasil Output SPSS 16.
Dari Tabel 5.4 diatas, terlihat bahwa variabel independen yaitu Belanja Modal dan Pendapatan Asli Daerah (PAD) mempunyai angka Variance Inflation Factor (VIF) dibawah angka 10 (Ghozali, 2005 : 93). Hal ini berarti bahwa regresi yang dipakai untuk ke 2 (dua) variabel independent diatas tidak terdapat persoalan multikolinieritas.
5.2.1.3. Uji heteroskedastisitas
Menurut Ghozali (2005 : 107) model regresi yang baik adalah model yang Homoskesdatisitas atau tidak terjadi Heteroskedastitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan dengan Uji Park. Asumsi utama Uji Park yaitu dengan melakukan transformasi logaritma terhadap residual (Ghozali, 2005 : 107). Adapun hasil pengujian Uji Park terdapat pada Tabel 5.5 berikut :
Tabel 5.5 : Uji Park Coefficientsa
Unstandardized Coefficients
Standardized Coefficients
Model B Std. Error Beta t Sig.
(Constant) -.811 .343 -2.364 .026
Belj_Modal_X
1 .001 .006 .046 .160 .874
1
PAD_X2 -.004 .004 -.318 -1.104 .279
a. Dependent Variable: Ln_Res
Sumber : Hasil Olah Data SPSS. (Lampiran 3).
Jika koefesien parameter beta dari persamaan regresi tersebut signifikan secara statistik, hal ini menunjukkan bahwa dalam data model empiris yang diestimasi terdapat heteroskedastisitas dan sebaliknya jika parameter beta tidak signifikan secara statistik, maka asumsi Homoskesdatisitas pada data model tersebut
tidak dapat ditolak. Hasil yang terlihat pada Tabel 5.5 menunjukkan koefesien parameter untuk variabel independent tidak ada yang signifikan (Belanja Modal dengan tingkat signifikansi 0.874 dan PAD dengan tingkat signifikansi 0.279). Maka dapat disimpulkan model regresi tidak terdapat heteroskedastisitas.
5.2.1.4. Uji autokorelasi
Gejala Autokorelasi diditeksi dengan menggunakan uji Durbin-Watson (DW). Menurut Santoso (2002 : 241), untuk mendeteksi ada tidaknya auto korelasi maka dilakukan pengujian Durbin-Watson (DW). Nilai d tersebut selanjutnya dibandingkan dengan nilai dtabel dengan tingkat signifikansi 5% dengan df = n-k-1. Untuk mengetahui adanya autokorelasi digunakan uji Durbin-Watson, dengan kriteria menurut Santoso (2005 : 242) dengan cara melihat besaran Durbin-Watson sebagai berikut :
1. Angka D-W di bawah -2, berarti ada autokorelasi positif.
2. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi. 3. Angka D-W di atas +2, berarti ada autokorelasi negatif.
Dari hasil pengujian terlihat bahwa nilai DW sebesar 1,567, berarti data tidak terkena autokorelasi.
Tabel 5.6 Uji Autokorelasi
Model R R Square Durbin-Watson
1 .533a .284 1.567
a. Predictors: (Constant), PAD_X2, Belj_Modal_X1 b. Dependent Variable: PDRB_Y
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin-Watson (D-W) sebesar 1,567, maka disimpulkan bahwa tidak terjadi autokorelasi baik positif
maupun negatif (masih dalam kisaran angka D-W -2 dan +2).